一般来说，yield和append哪个更快？

Question

我现在正在做一个个人学习项目，主要是读取一个XML数据库。我发现自己在写一些函数来收集数据，但不太确定用什么方法返回这些数据会比较快。

一般来说，哪种方式更快呢：

1. yield，还是
2. 在函数内部用好几个append()，然后再return返回一个列表？

我很想知道在什么情况下yield会比append()快，或者反过来。

Answer 1

有一种比TH4Ck的yielding()更快的方法，那就是列表推导。

In [245]: def list_comp():
   .....:     return [d for d in data]
   .....:

In [246]: timeit yielding()
10000 loops, best of 3: 89 us per loop

In [247]: timeit list_comp()
10000 loops, best of 3: 63.4 us per loop

当然，在不了解你代码结构的情况下去微观测试这些操作是有点傻的。它们各自在不同的情况下都有用。例如，列表推导适合用来执行一些简单的操作，这些操作可以用一句话表达。而yield的一个重要优点是可以把遍历的代码放到一个生成器方法里。到底用哪个，主要还是看你具体的使用场景。

Answer 2

我最近也在思考一个类似的问题，想找出生成一个列表（或元组）所有排列的方法，可以通过把结果加到一个列表里或者用生成器来实现。经过我的测试（以长度为9的排列为例，大约需要一秒钟左右生成），我发现：

• 最简单的方法（排列是列表，添加到列表中，返回一个列表的列表）大约需要的时间是itertools.permutations的三倍。
• 使用生成器（也就是用yield）可以把时间减少大约20%。
• 使用生成器并生成元组是最快的，大约是itertools.permutations所需时间的两倍。

不过要注意，这些结果要谨慎看待！时间测量和性能分析非常有用：

if __name__ == '__main__':
    import cProfile
    cProfile.run("main()")

Answer 3

yield 的一个大优点是它是 懒惰的，而且速度通常不是使用它的 最佳 理由。但如果在你的情况下它能正常工作，那就没有理由不使用它：

# yield_vs_append.py
data = range(1000)

def yielding():
    def yielder():
        for d in data:
            yield d
    return list(yielder())

def appending():
    lst = []
    for d in data:
        lst.append(d)
    return lst

这是结果：

python2.7 -m timeit -s "from yield_vs_append import yielding,appending" "yielding()"
10000 loops, best of 3: 80.1 usec per loop

python2.7 -m timeit -s "from yield_vs_append import yielding,appending" "appending()"
10000 loops, best of 3: 130 usec per loop

至少在这个非常简单的测试中，yield 的速度比 append 更快。